先说清楚一件事：AI 回答的提及率不是「问一次有没有出现」，而是一个有分母的比值——含品牌提及的有效答案，除以同条件采集到的有效答案。分母没跟系统对过，分子再漂亮也是自说自话。所谓固定四件套（平台、问题集、采样周期、记录字段），作用就是把分母钉死；以 2026 年 11 月 13 日为界，公开可查的方法文章里，能把四件套写全的并不多。
四件固定，先把分母钉死
公开的方法文章把这条路拆成了五步：建问题库、多平台多轮提问、抓答案做带时间戳的归档、标记引用状态、周期回溯做归因（AI 答案回溯法五步）。五步里最容易被省掉的是第三步——答案会变，没有时间戳的回溯等于白做，因为你分不清「这周被引用」和「上个月被引用」。
三档引用状态的判定要写死。直接引用是点名品牌并且带来源；间接提及只提到相关观点或内容，没点品牌名；未被提及就是答案里根本没有你。还要分清品牌出现在正文，还是只挂在引用链接和脚注里，后者分量低得多。这三档混在一起算一个「提及率」，等于把三种完全不同的处境平均掉。
| 引用状态 | 判定标准 | 记录字段 |
|---|---|---|
| 直接引用 | 正文点名品牌且给出可点的来源链接 | 品牌名、来源域名、被引段落 |
| 间接提及 | 提到相关观点或内容但未点名品牌 | 观点摘要、出现位置 |
| 未被提及 | 答案中完全没有该品牌 | 同批问题编号、平台、时间戳 |
分母对不上，分子白算
提及率的分母是「同条件下采集到的有效答案数」，这个数必须先跟系统对过。同一问题在同一平台问三次，可能拿到两条有效答案和一条拒答；拒答算不算进分母，直接决定比率高低。有从业者把这套算法写成一句提醒：分母先要和系统对过，再谈比例（GEO 提及率的算法口径）。这句提醒看着琐碎，却是两份报告能不能对比的前提。
问题库怎么起手
问题库不是品牌词清单，要从用户真实意图出发，覆盖四类：品牌词（某某怎么样）、品类词（某某怎么选）、场景词（预算有限怎么配）、竞品对比词（A 和 B 哪个好）。问题写得口语化，别硬塞品牌名，因为你测的是用户真实会怎么问，而不是品牌希望被怎么问。一个品牌起步备 20 到 50 个核心问题，后面再滚动补。
平台数量也有讲究。至少铺三到五个主流生成式 AI，别只盯一个；同一问题在不同平台、不同时间问，才看得到可见度的真实分布。提问时要控制变量，同样的提示词、尽量一致的环境，否则数据没法放在一起比。这一点在商业化程度越高的平台上越重要，因为答案旁边可能还挂着别的东西（AI 答案里的广告位与曝光口径）。
四件套之外的第五件事
还有一件常被忽略：记录字段要能支撑后面的动作。只记「有没有提到」，回溯完只能得出一个比例；把来源域名、被引段落、出现位置一起记下来，才能回答「为什么被引用」和「下次该改哪一页」。字段设计得糙，后面所有分析都会卡在同一个地方。
回溯表长什么样
一张能用的回溯表，横向是时间，纵向是问题，格子里是当次的引用状态与来源。按周或按月滚动记，四周之后就能看出趋势，而不是只看到一个孤立的数字。行业里给的 ROI 区间是 1.2 到 2.5，并强调不建议用周度维度考核，以免倒逼短期作弊（GEO 预算与 ROI 模型）；这句话反过来读，就是回溯表要留足够长的时间窗。
这张表的价值在于可复现。同一套问题、同一个平台、同样的提问方式，换一个人来跑，应该得到相近的分布；如果换人就换结果，说明变量没控住，问题不在平台，在方法。
什么时候可以说有效
回溯法只验证可见度，不直接算转化账。它能告诉你品牌进了 AI 答案没有、以什么身份进的、靠哪些来源撑着，但不能等同于「发稿带来多少销售额」。把这两件事混在一份报告里，短期看着漂亮，长期一定被追问归因链路，而那条链路往往断在最后一步。
更稳妥的表述是把结论分成三层：测到的（提及率、引用率、来源分布）、推断的（品牌搜索量的变化）、暂时无法建立的（直接成交归因）。三层分开写，报告的可信度反而更高，因为它没有替平台许诺它给不了的东西。
常见问题
提及率的分母到底该算什么？
同条件下采集到的有效答案数。拒答、报错、明显跑题的样本要先剔掉，且剔除规则要在两份报告之间保持一致；分母变了，分子再准确也无法与历史数据对比。
为什么一定要给每条答案打时间戳？
因为 AI 回答会随信源更新而变化。没有时间戳，你分不清这条引用是本周出现还是上月留下，回溯就退化成一堆无法排序的截图。
间接提及和直接引用的差距有多大？
直接引用点名品牌并给出可点来源，说明 AI 把你的页面当成证据；间接提及只是提到相关观点，分量低得多。两者混算会高估品牌在 AI 回答里的实际位置。
